§第三节 社会预测的主要方法（第1页）

§第三节社会预测的主要方法

社会预测方法很多，分类标准也不统一。根据预测自身的规律和形式，可将其划分为不同的种类。例如，按预测的要素划分，可分为定性、定量、定时、定比和概率的预测方法；按预测的对象划分，可分为科学预测方法、技术预测方法、社会预测方法、经验预测方法、人才预测方法、军事预测方法；按预测的功能划分，可分为规范性预测方法、探索性预测方法和反馈性预测方法；按预测的条件划分，可分为条件预测方法和无条件预测方法，等等。

一些预测专家对社会预测也做了分类研究。按照前苏联预测学家N·别斯图热夫-拉达的分类，预测方法主要分为：征询法、外推法、模拟法。按照E·捷恩茨的分类法，预测方法可分为四种类型：直观型预测、探索型预测、规范型预测、反馈型预测。下面介绍几种常用的社会预测方法。

一、时序预测方法

时序预测方法也叫“时间序列分析法”。所谓时间序列分析，是把统计资料按发生时间的先后进行排列得出的一连串数字，利用该数据序列外推到预测对象未来发展趋势。如果把时间也看作是一个变量，那么，人们观察事物随时间而变化的过程，实际上就是两个变量之间的数量关系。从这个意义上说，时序分析是回归分析的另一种形式，但它又与回归分析不完全相同。时序分析可以说是一种定时的预测技术。

平常所说的社会预测中的外推法，与时序预测法基于几乎相同的前提，即过去、现在和将来的发展趋势是相对稳定的。常用的外推法有以下几种：（1）简单外推；（2）基于回归分析和相关分析的外推；（3）形态情景描述或外推；（4）在历史类比基础上的外推。

时序分析的预测过程，大体说来，可分为两个阶段：（1）根据给予的有序数的集合，进行统计规律分析，构造出拟合这个时序的最佳数学模式，浓缩时间序列的信息，简化时序的表述；（2）利用该最佳数学模式，进行未来发展的预测，并计算出预测结果的误差分析，作出关于未来发展趋势的说明解释。

时序分析法具体使用起来，可分为：（1）平均数预测法；（2）线性趋势预测法；（3）指数曲线性预测法；（4）二次曲线法。时序分析预测法和外推法一样，立足于两个基本的假设：①决定事物过去发展的因素在很大程度上仍然决定事物的未来发展，这些因素作用的机理和数量关系是不变的，或变化不大；②未来发展的过程属于一个渐进过程，而不是跳跃式的变化。

正因为如此，运用该方法进行社会预测，必须考虑到以下的一些情况：（1）仅可用于日常预测、短期预测，少量用于中期预测。长期和超长期预测采用这种方法是不合理的，那样积累误差太大了。（2）必须证明被外推的趋势在外推区间内不发生质的变化。该预测方法不能预测事物发展的突变，一般说来，它也难以预测事物发展趋势的转变。

二、模型预测方法

常用的模型预测方法有模拟模型预测方法和因果模型预测方法。

1。模拟模型预测方法

模拟模型预测方法的模型，现在常指数学模型。所谓模拟模型法，是指模仿某一客观现象建立一个抽象的模型，并对模型进行分析试验，以观察并掌握客观现象的运动变化规律，从而找出错综复杂问题的解决方案。

这里有两种情况：（1）如果数学模型代表事物随时间的变化，那么它便属于趋势外推的预测技术，诸如线性模型、二次抛物线模型、指数模型、对数模型、S曲线模型等，其关键是对历史数据的定性、定量分析，在此基础上建立起最符合历史数据的变化曲线。（2）如果数学模型代表事物之间的朴素关系，它便属于“因果法”，即回归分析的预测技术，诸如计量经济模型、投入产出模型等，它的关键在于必须弄清楚事物之间的关系，应该抽象成怎样的数学方程式，以及方程式中参数值如何确定。这类模型必须有一定的理论作为基础，数学模型只是这些理论的数学表达形式而已。

在社会预测中，通常运用数学模型来摸拟某种社会过程。在计算机被广泛运用的今天，特别是每秒能进行上千万亿次的运算的巨型快速计算机的研制成功，模拟复杂的社会过程在理论上已不成什么问题。计算机可以用来编制预测程序，处理复杂数据，但是社会预测中能直接采用的模型还是有限的。这是因为在建立模型时，需要有相关社会过程近期发展（至少10～20年）的大量可靠的初始信息，才能组成动态序列，计算出被模拟的社会过程的未来趋势。然而，一般来说，这种专门的、详细的、复杂的、可靠的数据信息是难以获得的。所以建立模型的依据通常是在外推法和专家预测法基础上进行预测所得到的不充分信息。在这种情况下，模型只能是用某种曲线表示的关于未来过程的图像。

2。因果模型预测方法

因果模型预测方法也叫“因果分析法”，就是研究引起未来状态变化的各种客观环境因素的作用，从中找出各种因素与未来状态之间的统计关系。与时间序列预测法相比，该方法可靠性高，使用范围广，可以获得更理想的预测结果。但所需资料会较多，运算也比较复杂。

人们在实践中往往可以发现某些变量之间存在着一定的依赖关系，但却不是确定的函数关系。这种关系不能用精确的公式表达和计算，只有通过大量统计数据的分析，才能找到某种相关的联系。变量之间虽有密切的关系，却不是确定的关系，不能用函数关系精确求解。这种变量之间的关系，称作相关关系。相关分析可以了解两个变量之间的关系程度，即用相关系数来描述两个变量之间的共变特征。

回归分析则进了一步，它是对有相关关系的现象，根据其关系的形态找出一个合适的数学模型，即建立回归方程，来近似地表达变量间的平均变化关系，以便根据回归方程对未知的情况进行估计和预测。它既是社会预测中常用的预测方法，也是经济预测中常用的方法。

回归分析法的数学模型又分为线性回归和非线性回归两种。线性回归是反映事物变化中一个因变量与一个或多个自变量之间的线性关系。一个因变量与一个自变量的线性关系模型称为一元线性回归；一个因变量与多个自变量的线性关系模型称为多元线性回归。另外，由于客观事物的复杂多变，事物发展的因素之间也存在着非线性关系，反映一个因变量与一个或多个自变量的非线性关系的数学模型称为非线性回归。

回归分析和相关分析又合称为“广义的相关分析法”，即确定一种指标同另一种指标统计关系的方法（对偶相关），或确定一种指标同另一组指标统计关系的方法（多元相关）。在建立了回归方程、计算出相关系数以后，就可以确立回归估计的置信区间，对未来进行推算和预测。

三、定性预测方法

定性预测方法是指运用人的直观能力对事件的未来状况进行直观判断的方法，所以也称为“直观预测法”。常用的定性预测方法有：专家预测法、德尔斐法、主观概率法、关联树法、先行指标法等。在这里重点介绍专家预测法和德尔斐法。